Is this English speech-to-text really free?

Yes. The page is public, no signup is required, and there are no length limits. The recognition model runs entirely in your browser. For higher accuracy on noisy or accented audio, run your file through Subformer's cloud transcription in Subtitles-only mode.

How does the English transcription work in the browser?

It uses an open-source neural speech recognition model, executed by a WebAssembly runtime on your own device. The model (~75 MB) is downloaded on first use and cached in your browser. Subsequent visits skip the download entirely and can transcribe offline.

Is my audio uploaded to a server?

No. Recognition runs locally in your browser. The only network calls are to download the model and the WebAssembly runtime - both are static assets. Your audio file and the generated transcript never leave your device.

What audio formats are supported?

Anything your browser can decode: MP3, WAV, M4A, AAC, FLAC, OGG/Opus, plus video containers like MP4, MOV, and WEBM (the audio track is extracted automatically).

Can I download SRT or VTT subtitles?

Yes. After transcription you can download the result as plain text (.txt), SubRip subtitles (.srt), or WebVTT (.vtt) - both subtitle formats include segment-level timestamps so you can drop them straight into any video editor or player.

Tiny vs Base - which model should I pick?

Tiny (~40 MB) is fastest and great for clean studio audio. Base (~75 MB) is roughly twice as accurate on noisy or accented audio and only slightly slower. If you're not sure, start with Base - it's the default. For the highest accuracy on hard audio (accents, noise, overlap), use Subformer's cloud transcription in Subtitles-only mode.

Does it work offline?

Once the model is cached, yes. The first visit needs network access to download it; after that the page can transcribe audio offline.

Which browsers are supported?

Any modern browser with WebAssembly: Chrome, Firefox, Safari 15+, Edge, and Chromium-based mobile browsers.

Subformer

Prijavite se

Besplatno · Bez prijave · Radi u vašem pregledniku

Besplatno pretvaranje govora u tekst za English

English

Povucite English audio ili video datoteku i dobite potpuni transkript s vremenskim oznakama - sve u vašem pregledniku, bez prijave. Model se preuzima jednom (~75 MB) i pohranjuje lokalno u predmemoriju, tako da su naredna pokretanja trenutna i rade offline.

Provjerava se podrška preglednika…

Trebate veću točnost ili više jezika?

Govor u tekst temeljen na oblaku za English

Besplatni alat u pregledniku pokreće mali model otvorenog koda – dobar za čist zvuk, ali može imati poteškoća s jakim English naglascima, bukom ili preklapajućim govornicima, i pokriva samo ograničen skup jezika. Za točnost emitiranja, mnogo širu jezičnu podršku i preuzimanja SRT/VTT/TXT, koristite naš plaćeni govor u tekst temeljen na oblaku.

Isprobajte govor u tekst temeljen na oblaku

Kako to radi

1. Povucite datoteku
Ubacite bilo koji English audio ili video - podržani su MP3, WAV, M4A, MP4 i WEBM.
2. Transkribiraj
Prvim klikom model od ~75 MB se preuzima u vaš preglednik. Nakon toga je prepoznavanje trenutačno i može raditi bez interneta.
3. Preuzmi
Spremite transkript kao TXT, SRT ili VTT. Vaš audio i rezultat nikada ne napuštaju vaš uređaj.

Vaš audio ostaje na vašem uređaju

Prepoznavanje se izvršava u potpunosti u vašem pregledniku koristeći WebAssembly. Jedini mrežni zahtjevi su za dohvat modela i WebAssembly runtimea - oba su javni, statični resursi. Ne vidimo vaš audio i ne vidimo transkript.

Kako se English transkripcija izvodi u vašem pregledniku

Prepoznavanje govora obično znači učitavanje vašeg zvuka na tuđi GPU. Ovdje se model izvodi na vašem vlastitom stroju, što ovo čini besplatnim i privatnim u isto vrijeme.

Open-source recognition model: Neuronski model otvorenog koda obučen na višejezičnom zvuku - zbog čega jedno preuzimanje obrađuje English bez potrebe za preuzimanjem modela specifičnog za jezik.
WebAssembly: Izvršno okruženje za zaključivanje kompilirano je u WebAssembly, tako da numerički kod radi gotovo nativnom brzinom unutar izolirane kartice bez dodataka i instalacije.
On-device inference: Učitava se kvantizirani model od ~75 MB, a petlja dekodiranja u potpunosti se pokreće na strani klijenta. Nijedan dio cjevovoda ne poziva poslužitelj nakon što se stranica učita.
Web Audio API: Vaša datoteka se dekodira i ponovno uzorkuje na 16 kHz mono što model očekuje koristeći vlastiti audio cjevovod preglednika, tako da je prihvaćen bilo koji format koji vaš preglednik može reproducirati.

Premium - također od Subformera

Prevedi i dubliraj

Prevedi i dubliraj videozapise na više od 30 jezika jednim klikom.

Prevedi titlove

Ubacite SRT ili VTT i dobit ćete dorađen prijevod na bilo kojem jeziku.

Uređivač titlova

Doradite, prilagodite vrijeme i promijenite stil svojih titlova u besplatnom editoru u pregledniku.

Besplatno pretvaranje govora u tekst za English

Govor u tekst temeljen na oblaku za English

Kako to radi

1. Povucite datoteku

2. Transkribiraj

3. Preuzmi

Vaš audio ostaje na vašem uređaju

Kako se English transkripcija izvodi u vašem pregledniku

Često postavljana pitanja

Isprobajte druge besplatne jezike za pretvaranje govora u tekst